Wan 2.2 là một mô hình video ai tạo nguồn mở, hiện đại nhất do học viện damo của alibaba phát triển. đây là một bản nâng cấp lớn cho loạt mô hình video wan cơ bản, được thiết kế để tạo ra các video điện ảnh chất lượng cao từ lời nhắc văn bản và hình ảnh. Mô hình này được biết đến với việc tạo chuyển động tiên tiến và kiểm soát thẩm mỹ.

Wan 2.2 có sẵn trong một số phiên bản với các khả năng khác nhau. Các mô hình nguồn mở cốt lõi bao gồm mô hình ti2v-5b hiệu quả, hỗ trợ cả văn bản thành video (T2V) và hình ảnh thành video (I2V) ở độ phân giải 720p và có thể chạy trên gpus cấp người tiêu dùng. Cũng có các mô hình 14b mạnh mẽ hơn, chẳng hạn như t2v-a14b và i2v-a14b, sử dụng kiến trúc hỗn hợp chuyên gia (MoE) cho chất lượng và hiệu suất vượt trội, phù hợp với phần cứng mạnh mẽ hơn.

Wan 2.2 nổi bật nhờ kiến trúc hỗn hợp chuyên gia (MoE) sáng tạo, tách quá trình khử nhiễu thành các giai đoạn chuyên biệt để hiệu suất tốt hơn mà không làm tăng đáng kể chi phí tính toán. Nó cũng có các điều khiển thẩm mỹ cấp điện ảnh, khả năng tạo ra chuyển động phức tạp và linh hoạt, và chức năng khung hình đầu tiên cuối cùng sang video (FLF2V) tạo ra sự chuyển đổi mượt mà giữa hai hình ảnh. Bản chất nguồn mở của nó cho phép tinh chỉnh và tích hợp theo hướng cộng đồng.

Như một mô hình nguồn mở, tính an toàn của wan 2.2 phần lớn phụ thuộc vào cách nó được triển khai và sử dụng. Các nhà phát triển đã thiết lập một chính sách sử dụng cấm tạo ra nội dung bất hợp pháp, có hại hoặc gây hiểu lầm. Trong khi bản thân mô hình không có hệ thống kiểm duyệt nội dung tích hợp, các nhà phát triển và nền tảng sử dụng wan 2.2 được kỳ vọng sẽ thực hiện các biện pháp bảo vệ của riêng họ để đảm bảo sử dụng có trách nhiệm và tuân thủ các tiêu chuẩn pháp lý và đạo đức.

Wan 2.2 được tối ưu hóa cao về tốc độ, đặc biệt là mô hình ti2v-5b của nó, một trong những mô hình nhanh nhất có sẵn ở độ phân giải 720p và 24 khung hình/giây. Video dài 5 giây có thể được tạo chỉ trong vài phút trên gpu tiêu dùng như rtx 4090, với phần cứng mạnh mẽ hơn mang lại kết quả thậm chí nhanh hơn. Tốc độ được tăng cường hơn nữa nhờ kiến trúc hỗn hợp chuyên gia (MoE) hiệu quả của nó.

Wan 2.2 chủ yếu là một mô hình mã nguồn mở, tập trung vào nhà phát triển. Nó không có ứng dụng di động chuyên dụng chính thức từ nhà sản xuất của nó. Tuy nhiên, vì nó là nguồn mở nên các nhà phát triển có thể tích hợp nó vào các ứng dụng web thân thiện với thiết bị di động hoặc tạo các ứng dụng di động của riêng họ. Khả năng tương thích gpu cấp người tiêu dùng của nó cũng giúp người dùng sử dụng máy trạm di động cao cấp dễ tiếp cận hơn.

Wan 2.2 có khả năng tạo ra nhiều nội dung video, từ quảng cáo ngắn và clip truyền thông xã hội đến cảnh phim và hoạt hình. Khả năng của nó bao gồm văn bản thành video, hình ảnh thành video và tranh dựa trên hình ảnh. Người dùng có thể tạo video với chuyển động máy ảnh cụ thể, phong cách thẩm mỹ chính xác và chuyển động chân thực cho nhân vật và đối tượng, khiến nó trở thành một công cụ đa năng cho cả các dự án kỹ thuật và sáng tạo.

Cách phổ biến nhất để sử dụng wan 2.2 là tải xuống các tập tin mô hình và chạy chúng cục bộ trên một máy tương thích, thường được tích hợp thông qua các nền tảng như comfyui hoặc bộ khuếch tán. để có trải nghiệm dễ tiếp cận hơn, mô hình này có sẵn thông qua các nhà cung cấp api đám mây. Cũng có cơ hội thử wan 2.2 miễn phí thông qua nền tảng vizard, cung cấp giao diện trực tuyến để thử nghiệm các khả năng của mô hình.